自己造轮子:深度学习dataloader自己实现

2024-06-13 10:08

本文主要是介绍自己造轮子:深度学习dataloader自己实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

自己造轮子:深度学习dataloader自己实现

**摘要:**因为计算机性能的限制,所有的深度学习框架都是采用批量随机梯度下降,所以每次计算都要读取batch_size的数据。这里以自己实现的方式介绍深度学习框架实现批量读取数据的原理,不涉及具体细节和一些逻辑,只注重大体流程和原理。

总体流程:

  • 采用yield写一个生成器函数实现批量图片/标注信息的读取
  • 采用multiprocessing/threading加速文件读取
  • 时间对比

深度学习大体流程

for i in range(epoch):data, lable = dataloader.next(batch_size=16)         # 读取batch_size的数据output = model(data)            # 前向传播loss = crition(output, label)   # 求损失函数loss.backward()                 # 反向传播

在dataloader的时候,一般会采用多个进程(num_workers
)加快文件I/O的速度,避免网络反向传播过了,还没有数据。

1. 用yield写一个生成器函数

# coding:utf-8
# 自己造轮子,实现深度学习批量数据的读取
import os
import glob
import numpy as np 
import cv2  def get_images(path):files = []for ext in ['jpg', 'png', 'jpeg', 'JPG']:files.extend(glob.glob(os.path.join(path, '*.{}'.format(ext))))return filesdef dataset(batch_size=2, path='/media/chenjun/data/1_deeplearning/7_ammeter_data/test'):"""写一个读取图片的生成器batch_size:批量大小path:图片路径"""# 1. 读取所有图片名字image_list = get_images(path)index = np.arange(0, len(image_list))while True:np.random.shuffle(index)images = []image_names = []for i in index:try:im_name = image_list[i]im = cv2.imread(im_name)    # 读取图片# 读取相应图片的标注信息# text_polys = fun1()images.append(im[:,:, ::-1].astype(np.float32))     # cv2读取图片的顺序为BGR,转换成RGB格式image_names.append(im_name)if len(images) == batch_size:yield images, image_names        # 采用函数生成器,生成一个可迭代对象images = []image_names = []except Exception as e:import tracebacktraceback.print_exc()continue                # 所有图片已经读完一遍,跳出for循环,再打乱图片的顺序进行第二次读取

2. 使用muitlprocessing加速文件读取速度

<!-- 采用正常模式进行图片读取,读取100个batch -->
import time
mydataset = dataset()
start = time.time()
for _ in range(100):im, im_name = next(mydataset)
#     print(im_name)
print('use time:{}'.format(time.time() - start))
>>>  use time:0.16786599159240723<!-- 采用muitlprocessing模式进行图片读取,读取100个batch -->
import multiprocessing
def data_generator(data, q):for _ in range(100):                # 循环多少次generator_output = next(data)q.put(generator_output)q = multiprocessing.Queue()
start2 = time.time()
thread = multiprocessing.Process(target=data_generator, args=(dataset(), q))
thread.start()              # 多进程开始读取图片
print('mulprocess time is:{}'.format(time.time() - start2))
>>>  mulprocess time is:0.002292633056640625

可以看到读取100个batch,时间提高了80倍。
同时,一般的深度学习框架都会使用几个多进程处理上面的功能。
eg:

for _ in range(workers):if self._use_multiprocessing:# Reset random seed else all children processes# share the same seednp.random.seed(self.random_seed)thread = multiprocessing.Process(target=data_generator_task)

网上的资料显示threading的效率没有muitlprocessing高,这里就不测试了。

reference

[1] 莫烦python
[2] argman/EAST

这篇关于自己造轮子:深度学习dataloader自己实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1057003

相关文章

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

基于SpringBoot实现文件秒传功能

《基于SpringBoot实现文件秒传功能》在开发Web应用时,文件上传是一个常见需求,然而,当用户需要上传大文件或相同文件多次时,会造成带宽浪费和服务器存储冗余,此时可以使用文件秒传技术通过识别重复... 目录前言文件秒传原理代码实现1. 创建项目基础结构2. 创建上传存储代码3. 创建Result类4.

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

idea中创建新类时自动添加注释的实现

《idea中创建新类时自动添加注释的实现》在每次使用idea创建一个新类时,过了一段时间发现看不懂这个类是用来干嘛的,为了解决这个问题,我们可以设置在创建一个新类时自动添加注释,帮助我们理解这个类的用... 目录前言:详细操作:步骤一:点击上方的 文件(File),点击&nbmyHIgsp;设置(Setti

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分